Il business della personalizzazione. Come le imprese guadagnano vantaggio competitivo attraverso modelli e tecnologie 'one-to-one'

1. Il business della personalizzazione
Come le imprese guadagnano vantaggio competitivo
attraverso modelli e tecnologie 'one-to-one'
Michele Gorgoglione, Umberto Panniello - Politecnico di Bari
1

2. Sommario
• Il business one-to-one
– solo un fenomeno legato a Internet?
• Che cos’è la personalizzazione
– casi di business
• Come personalizzare
– decisioni chiave
• Qual è la frontiera della ricerca applicata
– progetti di ricerca del Politecnico di Bari
2

3. L’era della personalizzazione
3

4. Il futuro “oggi”
4

5. 5

6. 6

7. 7

8. 8

9. 9

10. 10

11. Perché adesso
• La centralità del cliente
– anni ’20
• A. Sloan “a car for every purse”
– anni ’50
• W. Smith “segmentazione”
– fine anni ’80
• C. Romiti “il cliente innanzitutto”
– anni ’90
• Marketing one-to-one, CRM
• Datawarehousing, Datamining, Business intelligence
– ½ anni ’90
• Web technologies
11

12. La convergenza tecnologica
Marketing CRM
Datamining Web
12

13. Aspettative e iniziali delusioni
• “Abbiamo 6,2 milioni di clienti… dovremmo avere 6,2
milioni di negozi”
Jeff Bezos, Amazon, 1999
• “Nessuna applicazione di business ha deluso quanto la
personalizzazione”
Ted Kemp, InternetWeek, 2001
13

14. Il ritorno
14

15. Che cos’è la personalizzazione
• Trattare diversi clienti in modo diverso
(Peppers e Roger)
• Capacità di fornire prodotti e servizi calibrati a ciascun individuo e
basati sulla conoscenza del suo comportamento
(Hagen)
• Costruire fedeltà attraverso relazioni one-to-one, capire i bisogni di
ciascun individuo in un certo contesto, in modo efficiente
(Riecken)
• Trattare ogni cliente come un individuo unico ed a servire i suoi
bisogni specifici
(Pal e Rangaswamy)
• Web personalization è fornire contenuti sulla base degli interessi di
ogni singolo utente
(Wikipedia)
15

16. Processo di personalizzazione
Miglioramento della strategia
misurare
Misurazione dei risultati
feedback
Offerta / Azione
agire
Associazione profilo - azione
Customer profiling
capire
Raccolta dati
16

17. Frammenti di personalizzazione…
17

18. Due business case
• Settore • Settore
– finanziario – e-commerce
• Problema di business • Problema di business
– diminuire il tasso di – rendere la newsletter più
abbandono dei clienti interessante
18

19. Quali dati?
• Servono nuovi dati?
• È facile ottenere quelli
esistenti?
• Tutti o una parte?
• Vanno ristrutturati?
19

20. Come analizzare i clienti?
• Esiste il cliente medio?
• Quanti profili?
• Con quali dati profilare?
20

21. Quali azioni rivolgere e a chi?
• I dati contengono già le
azioni?
• Le azioni vanno definite
a priori?
• Posso dedurre le azioni
dai profili?
• Da altri clienti?
21

22. Personalizzazione a misura di business
• Che cosa personalizzare • Quale metodo e tecnologia
– tangibilità dell’offerta – canale e tecnologia
– granularità – interazione
– causalità – variabili di profilazione
– timing – tipo di profilo/modello
• Per quali clienti • Come definire le azioni
– granularità dell’unità di – computazionale
analisi – per similarità
– raggruppare i clienti – top-down
– bottom-up
22

23. Quando vale la pena
• Clienti • Imprese:
– personalizzare aggiunge trade-off benefici vs. costi
valore
– costi diretti – satisfaction
• subscription
– loyalty, retention, churn
– costi indiretti
• sforzo cognitivo, privacy,
– LTV
tecnologia, sicurezza, feedback – tassi di conversione
• Imprese
– comportamenti e bisogni dei – raggiungibilità
clienti variegati – costi di targeting
– sono disponibili molti dati – rischi
sui clienti – errori di misclassification
– l’offerta può essere
differenziata
23

24. Progetti di ricerca - Politecnico di Bari
• Modelli predittivi contestuali
– prevedere il comportamento del cliente in contesti diversi
– inferire il contesto (senza coinvolgere il cliente)
1,00
0,90
0,80 Uncontextual
Gift
0,70 Personal
0,60
0,50
WholeDB Cluster10 Cluster100 Single
24

25. Progetti di ricerca - Politecnico di Bari
• Segmentazione contestuale
– il modo migliore per segmentare il mercato varia a
seconda del contesto
2000
1800
1600
1400
SSE_Uncontext.1
1200
Uncontextual_all attributes
1000 SSE_Uncontex.2
800 Best Uncontextual
SSE_GIFT
600
SSE_PERSONAL
400
200
0
0 20 40 60 80 100 120
25

26. Progetti di ricerca - Politecnico di Bari
• Costi della personalizzazione
– quanto costa personalizzare?
– quanto conviene?
80000,00
70000,00
60000,00
50000,00 Uncontextual
40000,00 Gift
30000,00 Personal
20000,00
10000,00
0,00
R1 R2 R3 R4 R5 R6
COST RATIO
26

27. Progetti di ricerca - Politecnico di Bari
• Sistemi di raccomandazione
– i prodotti giusti al cliente giusto
27

28. Progetti di ricerca - Politecnico di Bari
• Azioni personalizzate
– aumentare il valore di ogni cliente bilanciando costi e
benefici
– a chi rivolgere azioni personalizzate?
“growable” premium
denaro speso
526 894
marginali “growable”
3.843 714
frequenza
28

29. Progetti di ricerca - Politecnico di Bari
• Partnership di ricerca
– A. Tuzhilin – New York University, Stern (USA)
– S. Anand – University of Warwick (UK)
– S. Hill – University of Pennsylvania, Wharton (USA)
– K. Hosanagar – University of Pennsylvania, Wharton (USA)
– S. Sen - Fairleigh Dickinson University (USA)
– P. Klaus – Cranfield University (UK)
• Partnership industriali
– e-commerce (IT)
– istituto di credito (IT)
– editore (IT)
– beni di consumo (UK)
29

30. Contatti
Michele Gorgoglione Umberto Panniello
DIMEG - Politecnico di Bari DIMEG - Politecnico di Bari
Dip. Ingegneria mecc. e gestionale Dip. Ingegneria mecc. e gestionale
Viale Japigia, 182 Viale Japigia, 182
m.gorgoglione@poliba.it u.panniello@poliba.it
+39 0805962765 +39 0805962725
Politecnico di Bari
DIMEG
Ingenium
Spin-off del Politecnico di Bari
30